Šiandien duomenų mokslo specialistai reikalingi beveik visose verslo srityse. Tai ne tik finansinė
Duomenų mokslo specialistų paklausa yra skirtingakvalifikacija kasmet auga. „MADE Big Data Academy“ iš „Mail.ru Group“ ir įdarbinimo portalo „HeadHunter“ duomenimis, 2019 m. Duomenų analizės srityje buvo 1,4 karto daugiau laisvų darbo vietų, palyginti su 2018 m. Mašinų mokymosi srityje laisvų darbo vietų skaičius išaugo 1,3 karto.
Duomenų mokslininkų uždarbis taip pat auga. Pasak HH.ru, net jaunesnysis Rusijoje gauna apie 120 tūkstančių rublių, o verslo analitikas jau gali tikėtis 170 tūkstančių rublių ir daugiau, o didžiųjų duomenų analitikas - nuo 200 tūkstančių rublių.
Kas yra paklausus ir kodėl?
Dažniausiai Rusijoje jie ieško duomenų mokslininkųfinansų ir IT kompanijos. Dažniausias pretendentų reikalavimas yra „Python“ programavimo kalbos mokėjimas. Tai pasitaiko 45% duomenų mokslo darbo vietų ir beveik pusėje (51%) mašininio mokymo srityje.
Žinoma, daugėja ir duomenų mokslininkų. HH.ru duomenimis, 246 duomenų analizės specialistai ir 47 mašininio mokymosi specialistai kiekvieną mėnesį skelbia savo gyvenimo aprašymus.
Pareiškėjų reikalavimų sąraše taip pat yra:
- SQL žinios;
- duomenų gavyba (duomenų gavyba);
- užtikrintai matematinės statistikos žinios;
- gebėjimas dirbti su dideliais duomenimis;
- turėti „C ++“, „Git“, „Linux“.
Tuo pačiu metu apie 65% laisvų vietų analizės srityjeduomenys ir 50% mašinų mokymosi srities specialistų laisvų darbo vietų yra Maskvoje. Sankt Peterburgas užima antrąją vietą Rusijoje (atitinkamai 15 proc. Ir 18 proc.). Be abejo, darbo ieškantys asmenys taip pat daugiausia sutelkti dviejose sostinėse. Tačiau šiandien norint mokytis nereikia kažkur persikelti, o darbas nuotoliniu formatu, perduodant užsakomąsias paslaugas, jau tampa nauju darbo eigos organizavimo formatu.
Kur studijuoti duomenų mokslininkui ir ko tam reikia?
Yra keletas būdų mokytisduomenų mokslininkas. Vienas iš jų yra labiau klasikinis - įstoti į universitetą IT srityse. Tai galima padaryti ir užsienyje. Pavyzdžiui, studijos Amerikos universiteto duomenų mokslo magistrui gali kainuoti labai įspūdingą sumą: nuo 30 iki 120 tūkst. USD. Net šios specialybės internetiniai kursai užsienio universitetuose kainuoja mažiausiai 9 tūkst. USD. Yra nepasiruošusių išleiskite savo mokymams tokiu mastu, nes tokias išlaidas dar reikia kompensuoti, tačiau tai neįvyks iškart. Pavyzdžiui, duomenų mokslininkė Rebecca Vickery, 10 metų dirbanti šioje srityje, sukūrė savo programą, pagal kurią savarankiškai studijavo Duomenų mokslą. Šis požiūris taip pat turi savo trūkumų: atsiliepimų ir pagalbos iš mentoriaus ar mokytojo trūkumas, atstumas nuo komandos, darbas vienas ir galiausiai daugeliui šis mokymosi procesas atrodo nuobodus.
Kita galimybė yra mokymai internetuspecializuotų skaitmeninių mokyklų, tokių kaip „SkillFactory“. Ten mokiniai mokomi ne tik metodų ir metodų rinkinio, bet ir mokomi mokytis. Be to, kiekvienas studentas turės mentorių, kuris teikia paramą ir pagalbą, o visas mokymosi procese atliktas darbas gali būti naudojamas ne tik kaip aplankas. Dar būdamas „SkillFactory“ studentu, būsimas duomenų mokslininkas yra įtrauktas į pramonės bendruomenę - tai ne tik padeda susirasti darbą, bet ir bendrauti su kolegomis, dalytis patirtimi. Internetinė mokykla įsitikinusi, kad neužtenka vien tik išmokti naujų technologijų - reikia išmokti naujų požiūrių ir naujų mąstymo būdų. Ir sunku vien su tuo susitvarkyti. Todėl visi studentai teikia vienas kitam grįžtamąjį ryšį, keičiasi kodu, padeda rasti klaidas ir dalijasi problemomis bei realiais atvejais.
Ką turėtų sugebėti jaunesnysis duomenų mokslininkas:
- naudoti pagrindinius algoritminius konstruktus ir „Python“ duomenų struktūras kuriant algoritmus;
- vizualizuoti duomenis naudojant „Pandas“, „Matplotlib“, „Seaborne“;
- sukurti pramoninės kokybės modelius, naudojant klasikinį mašininį mokymąsi ir neuroninius tinklus, siekiant išspręsti duomenų mokslo problemas;
- įvertinti modelio kokybę (tikslumas / atšaukimas);
- integruoti sprendimą į gamybą ir verslą apskritai;
- dirbti su skirtingų tipų duomenų saugyklomis;
- darbas su didelių duomenų analizės priemonėmis;
- gauti duomenis iš interneto šaltinių arba per API;
- duomenų apdorojimui taikyti matematinės analizės, tiesinės algebros, statistikos ir tikimybių teorijos metodus.
Jei šie įgūdžiai jums atrodo labai sunkūs, galite lankyti duomenų mokslininko profesijos kursus.
Kas yra duomenų mokslininkas ir ką jis turėtų padaryti?
Savo esme „Data Science“ yra kitas„Evoliucinis“ žmonijos žingsnis dirbant su duomenimis. Ankstesni matematikai ir statistikai sprendė panašias problemas. Dabar, atsiradus dirbtiniam intelektui, optimizavimas ir informatika įvedė duomenų analizės metodus, o tai reiškia, kad naujas požiūris į sprendimais pagrįstą duomenų paiešką tapo daug efektyvesnis nei ankstesni „analoginiai“ metodai.
Duomenų mokslininko darbas prasideda nuo rinkimodidieji duomenų rinkiniai: struktūrizuoti ir ne. Tada jie paverčiami lengvai skaitomu formatu. Kitas etapas: vizualizacija ir darbas su statistika. Mašininis ir gilus mokymasis, tikimybinė analizė, nuspėjamieji modeliai ir neuroniniai tinklai naudojami kaip analizės metodai.
Penki duomenų mokslininko pagrindai
- Dirbtinis intelektas (AI) yra sritisskirta kurti intelektualias sistemas, kurios veikia ir veikia kaip žmonės. Dirbtinis intelektas yra susijęs su panašiu kompiuterių naudojimo tikslu žmogaus intelektui suprasti, tačiau nebūtinai apsiriboja biologiškai patikimais metodais. Šiandien egzistuojančios intelektualiosios sistemos turi labai siauras taikymo sritis. Pavyzdžiui, programos, kurios gali įveikti žmogų šachmatais, negali atsakyti į klausimus.
- Mašininis mokymasis -įrankio sukūrimas žinių ištraukimui iš duomenų. ML modeliai mokomi duomenų savarankiškai arba etapais: mokymai su mokytoju dėl duomenų, kuriuos paruošė žmogus ir be mokytojo, - darbas su spontaniškais, triukšmingais duomenimis.
- Gilus mokymasis -kurti daugiasluoksnius neuroninius tinklus tose srityse, kur reikalinga pažangesnė ar greitesnė analizė ir tradicinis mašininis mokymasis nepavyksta. „Gylį“ teikia daugybė paslėptų neuronų sluoksnių tinkle, kurie atlieka matematinius skaičiavimus.
- „Big Data“ - darbas su dideliudažnai nestruktūrizuotų duomenų apimtis. Sferos specifika yra įrankiai ir sistemos, kurie gali atlaikyti didelę apkrovą.
- Duomenų mokslas - insrities esmė yra duomenų rinkinių įgalinimas, vizualizavimas, idėjų rinkimas ir sprendimų priėmimas remiantis šiais duomenimis. Duomenų mokslininkai naudoja kai kuriuos mašininio mokymosi ir „Big Data“ metodus: debesų kompiuteriją, virtualios kūrimo aplinkos kūrimo įrankius ir daug daugiau.
Kaip ir bet kuri kita profesija, duomenų valdymasMokslas prasideda nuo pagrindų - matematikos, tiesinės algebros ir, žinoma, statistikos studijų. Norint rimtai suprasti duomenų mokslą, būsimam specialistui reikės tikro tikimybių teorijos universiteto kurso (įskaitant skaičiavimus). Laimei, šiandien tokią medžiagą lengva rasti internete ar net užsiregistruoti vienam semestrui geriausiuose Rusijos universitetuose „Open Education“ platformoje. Arba išklausykite visą duomenų mokslo kursą „SkillFactory“, kur pagrindinės žinios bus pirmas žingsnis įvaldant naują profesiją. Matematikos žinios pirmiausia yra svarbios analizuojant duomenų apdorojimo algoritmų taikymo rezultatus. Be abejo, yra stiprių mašininio mokymosi inžinierių be tokio išsilavinimo. Tačiau tai dažniausiai reti atvejai.
Antrasis žingsnis norint tapti duomenų mokslininku yra programavimas. Pakanka išmokti bent vieną kalbą, įvaldžius visus jos sintaksės niuansus. Kaip minėta aukščiau, viena iš paklausiausių kalbų yra „Python“.
Mašininis mokymasis - trečiasis komponentasduomenų mokslininko profesija, kai jam nebereikia rašyti instrukcijų kompiuteriams atlikti tam tikras užduotis. ML susideda iš trijų pagrindinių formų: vadovaujamo mokymosi, neprižiūrimo mokymosi ir mokymosi sustiprinimo. Plačiau apie kiekvieną mokymų tipą galite perskaityti mūsų didžiulėje medžiagoje su profesoriumi Janu Lekunu.
Galiausiai paskutinis žingsnis yra duomenų gavyba (analizėduomenys) ir duomenų vizualizavimas, kuris yra svarbus tyrimo procesas ir apima paslėptų duomenų modelių analizę, atsižvelgiant į įvairias galimybes paversti naudinga informacija, kuri yra kaupiama ir formuojama duomenų saugyklose, siekiant palengvinti verslo sprendimus, skirtus sumažinti išlaidas ir padidinti pajamas.
Nepaisant to, kad išsilavinimą galima įgytigana trumpas laikotarpis, duomenų mokslininkas turi reguliariai patvirtinti savo kvalifikaciją, lankydamas labai specializuotus kursus, dalyvaudamas hakatonuose, atviruose konkursuose ir ieškodamas darbe. Nepriklausomas kvalifikacijos patvirtinimas bus privalumas. Pavyzdžiui, išplėstinis „Kaggle“ profilis, kuriame yra rangų sistema. Galite pereiti nuo naujoko iki didmeistrio. Už sėkmingą dalyvavimą konkursuose, scenarijų publikavimą ir diskusijas gaunate taškus, kurie padidina jūsų įvertinimą. Be to, svetainėje pažymima, kuriuose konkursuose dalyvavote ir kokie jūsų rezultatai.
Taikyti
Taip pat žiūrėkite:
Pažiūrėkite, kur dabar skraido atkaklumo roveris
Vaikų koronaviruso simptomai. Į ką turėtum atkreipti dėmesį?
Astronomai mato, kaip juodoji skylė skleidžia mirgančius gama spindulius